Hakiranje Nekretnina

Uvod

Skrepanje i uređivanje podataka

library(rvest)
library(dplyr)
library(rgdal)
library(ggplot2)
library(sf)
library(stringr) 
library(lubridate)
library(readr)
library(tm)
library(wordcloud)
library(cowplot)
library(stargazer)
library(knitr)

#ode ide inace skrep ali sad samo vadimo csv
podaci = read_csv("/Users/perica/Desktop/PODACI.csv")
kable(podaci[1:5,])

žup_cro <- data.frame(
  županija = c(
    "Virovitičko-podravska",
    "Koprivničko-križevačka",
    "Osječko-baranjska",
    "Istarska",
    "Dubrovačko-neretvanska",
    "Sisačko-moslovačka",
    "Brodsko-posavska",
    "Karlovačka",
    "Zadarska",
    "Vukovarsko-srijemska",
    "Splitsko-dalmatinska",
    "Varaždinska",
    "Krapinsko-zagorska",
    "Zagrebačka",
    "Primorsko-goranska",
    "Šibensko-kninska",
    "Ličko-senjska",
    "Bjelovarsko-bilogorska",
    "Grad Zagreb",
    "Međimurska",
    "Požeško-slavonska"
  )
)


# prosjecni kvadrat po županiji
avg_cro <- aggregate(kvadrat ~ županija, data = podaci, FUN = mean)

# stand. devijacija
sd_cro <- aggregate(kvadrat ~ županija, data = podaci, FUN = sd)

# koeficijent varijacije po županiji
cv_cro <-
  data.frame(županija = avg_cro$županija,
             cv = sd_cro$kvadrat / avg_cro$kvadrat)

# broj oglasa po županiji (da vidite broj podataka i odlucimo koliko je "znacajno" za zeleno na karti)
cnt_cro <-
  aggregate(lokacija ~ županija, data = podaci, FUN = length)

# merge u fajl koji ima podatke o svakoj županiji
cro_data <-
  merge(merge(avg_cro, cv_cro, by = "županija"), cnt_cro, by = "županija")
cro_data <-
  merge(žup_cro, cro_data, by = "županija", all.x = TRUE)
names(cro_data) <-
  c("županija", "avgKvadrata", "koefVarKvadrata", "brojOglasa")  #stupce preimenovat

#brisanje
rm(žup_cro,
   avg_cro,
   sd_cro,
   cv_cro,
   cnt_cro)

kable(cro_data)

Vizualizacija podataka

PITA

# županije sortirane silazno po broju oglasa
cro_data_sorted <- cro_data[order(-cro_data$brojOglasa),]

# Create a new data frame with the top x županija and their corresponding 'brojOglasa' values
x <- 5
top_x_zupanija <- data.frame(županija = cro_data_sorted$županija[1:x], 
                             brojOglasa = cro_data_sorted$brojOglasa[1:x])

# Calculate the total number of 'brojOglasa' for the remaining županija
ostali_brojOglasa <- sum(cro_data_sorted$brojOglasa[x:length(cro_data_sorted$brojOglasa)], na.rm = TRUE)

# Create a new row for the remaining županija with a label 'ostali'
ostali_zupanija <- data.frame(županija = "Ostali", brojOglasa = ostali_brojOglasa)

#skupa
top_x_ostali <- rbind(top_x_zupanija, ostali_zupanija)

PITA

piepercent <- round(100*top_x_ostali$brojOglasa/sum(top_x_ostali$brojOglasa), 1)
piepercent[length(piepercent)] <- round(100 - sum(piepercent[-length(piepercent)]), 1)

pie(piepercent,
    labels = paste(top_x_ostali$županija, paste0(piepercent, "%")),
    main = "PITA KRUMPIRUŠA", 
    col = rainbow(length(top_x_ostali$brojOglasa)))

rm(ostali_brojOglasa, ostali_zupanija, x, piepercent)

VIOLINICE

# Create a vector of all županija names
all_zupanije <- unique(cro_data_sorted$županija)

# Get the names of the županije not in top_x_županija
ostale_zupanije <- setdiff(all_zupanije, top_x_zupanija$županija)


# Replace the names of the županije not in top_x_županija with 'Ostali'
podaci_renamed <-
  within(podaci, županija[županija %in% ostale_zupanije] <-
           'Ostali')

# Convert županija variable to a factor with the desired order
podaci_renamed$županija <-
  factor(podaci_renamed$županija, levels = top_x_ostali$županija)

VIOLINICE

# Create the violin plot
ggplot(data = podaci_renamed, aes(x = županija, y = kvadrat, color = županija)) +
  geom_violin() +
  labs(title = "Violinice",
       x = "Županija",
       y = "Kvadrat") +
  geom_boxplot(width = 0.1) +
  guides(color = FALSE)

rm(cro_data_sorted, all_zupanije, ostale_zupanije, podaci_renamed, top_x_ostali, top_x_zupanija)

KARTA I PODACI (CRO)

# karta
cro_map <-
  readOGR("/Users/perica/Desktop/matina_sranja", "Croatia_map")

# spajanje tih podataka s kartom u zajednicki fajl
cro_data_map <-
  merge(
    cro_map,
    cro_data,
    by.x = "County",
    by.y = "županija",
    all.x = TRUE
  )
cro_data_map <- st_as_sf(cro_data_map)       #bolji format

#brisanje
rm(cro_map)

PLOTIRANJE (CRO)

# avg cijena po kv CRO
ggplot(cro_data_map) +
  geom_sf(aes(fill = round(avgKvadrata, 2)),
          color = "gray",
          lwd = 1) +
  scale_fill_gradient(
    low = "#efedf5",
    high = "#3f007d",
    #raspon boja županija, opcionalno za boju onih bez podataka ide: na.value = "boja"
    breaks = c(1000, 1650, 2250, 2850, 3500),
    limits = c(1000, 3500)
  ) +
  theme_void() +       #tema da nema rešetki priko karte
  labs(title = "Prosječna cijena po kvadratu u Hrvatskoj",
       fill = "Cijena po metru kvadratnom (€)",
       caption = "Zelene županije - značajna količina podataka\nCrne županije - manja količina podataka") +
  geom_sf_label(
    aes(label = ifelse(
      is.na(avgKvadrata) |
        is.null(avgKvadrata),
      County,
      paste0(County, "\n", "€", sprintf("%.2f", round(avgKvadrata, 2)))
    )),
    #ako nema podataka, onda samo ime županije
    size = 2.5,
    #za tekst županija je sve dalje
    fontface = "bold",
    color = ifelse(
      cro_data_map$brojOglasa < 40 |
        is.na(cro_data_map$brojOglasa) |
        is.null(cro_data_map$brojOglasa),
      "black",
      "darkgreen"
    ),
    #zeleni imaju znacajno podataka, crni ne
    fill = "#F2F3F4",
    label.padding = unit(0.15, "lines"),
    label.r = unit(0.2, "lines"),
    label.size = 0.001
  )

# koef var CRO
ggplot(cro_data_map) +
  geom_sf(aes(fill = round(koefVarKvadrata * 100, 2)),
          color = "gray",
          lwd = 1) +
  scale_fill_gradient(
    low = "#deebf7",
    high = "#08306b",
    breaks = c(0, 10, 20, 30, 40, 50),
    limits = c(0, 50)
  ) +
  theme_void() +
  labs(title = "Koeficijent varijacije cijene kvadrata u Hrvatskoj",
       fill = "Koeficijent varijacije (%)",
       caption = "Zelene županije - značajna količina podataka\nCrne županije - manja količina podataka") +
  geom_sf_label(
    aes(label = ifelse(
      is.na(koefVarKvadrata) |
        is.null(koefVarKvadrata) ,
      County,
      paste0(County, "\n", sprintf("%.2f", round(koefVarKvadrata, 2) * 100), "%")
    )),
    size = 2.5,
    fontface = "bold",
    color = ifelse(
      cro_data_map$brojOglasa < 40 |
        is.na(cro_data_map$brojOglasa) |
        is.null(cro_data_map$brojOglasa),
      "black",
      "darkgreen"
    ),
    fill = "#F2F3F4",
    label.padding = unit(0.15, "lines"),
    label.r = unit(0.2, "lines"),
    label.size = 0.001
  )

rm(cro_data_map)

KARTA I PODACI (ZG)

kvart_zg <-
  data.frame(
    lokacija = c(
      "Brezovica",
      "Črnomerec",
      "Donja Dubrava",
      "Donji Grad",
      "Gornja Dubrava",
      "Gornji Grad - Medveščak",
      "Maksimir",
      "Novi Zagreb - Istok",
      "Novi Zagreb - Zapad",
      "Pešćenica - Žitnjak",
      "Podsljeme",
      "Podsused - Vrapče",
      "Sesvete",
      "Stenjevec",
      "Trešnjevka - Jug",
      "Trešnjevka - Sjever",
      "Trnje",
      "Zagreb - Okolica"
    )
  )

# izdvojimo kvartove
zg_data <-
  subset(podaci,
         županija == "Grad Zagreb",
         select = c("lokacija", "kvadrat"))

# prosjecni kvadrat po kvartovima zga
avg_zg <- aggregate(kvadrat ~ lokacija, data = zg_data, FUN = mean)

# stand. devijacija
sd_zg <- aggregate(kvadrat ~ lokacija, data = zg_data, FUN = sd)

# koeficijent varijacije po kvartovima zga
cv_zg <-
  data.frame(lokacija = avg_zg$lokacija,
             cv = sd_zg$kvadrat / avg_zg$kvadrat)

# broj oglasa po kvartovima zga (da vidite broj podataka i odlucimo koliko je "znacajno" za zeleno na karti)
cnt_zg <-
  aggregate(kvadrat ~ lokacija, data = zg_data, FUN = length)

# merge u fajl koji ima podatke o svakoj županiji
zg_data <-
  merge(merge(avg_zg, cv_zg, by = "lokacija"), cnt_zg, by = "lokacija")
zg_data <-
  merge(kvart_zg, zg_data, by = "lokacija", all.x = TRUE)
names(zg_data) <-
  c("lokacija", "avgKvadrata", "koefVarKvadrata", "brojOglasa")  #stupce preimenovat

# karta
zg_map <-
  readOGR("/Users/perica/Desktop/matina_sranja", "Zagreb_map")

# spajanje tih podataka s kartom u zajednicki fajl
zg_data_map <-
  merge(zg_map,
        zg_data,
        by.x = "District",
        by.y = "lokacija",
        all.x = TRUE)
zg_data_map <- st_as_sf(zg_data_map)       #pogodniji format


#brisanje
rm(zg_data,
   kvart_zg,
   avg_zg,
   sd_zg,
   cv_zg,
   cnt_zg,
   zg_map)

PLOTIRANJE (ZG)

# avg cijena po kv ZG
ggplot(zg_data_map) +
  geom_sf(aes(fill = round(avgKvadrata, 2)),
          color = "gray",
          lwd = 1) +
  scale_fill_gradient(
    low = "#fcfbfd",
    high = "#3f007d",
    #raspon boja kvartova
    breaks = c(2000, 2500, 3000, 3500),
    limits = c(2000, 3500)
  ) +
  theme_void() +       #tema da nema rešetki priko karte
  labs(title = "Prosječna cijena po kvadratu u Zagrebu",
       fill = "Cijena po metru kvadratnom (€)",
       caption = "Zeleni kvartovi - značajna količina podataka\nCrni kvartovi - manja količina podataka") +
  geom_sf_label(
    aes(label = ifelse(
      is.na(avgKvadrata) |
        is.null(avgKvadrata),
      District,
      paste0(District, "\n", "€", sprintf("%.2f", round(avgKvadrata, 2)))
    )),
    #ako nema podataka, onda samo ime županije
    size = 2.5,
    #za tekst kvartova je sve dalje
    fontface = "bold",
    color = ifelse(
      zg_data_map$brojOglasa < 80 |
        is.na(zg_data_map$brojOglasa) |
        is.null(zg_data_map$brojOglasa),
      "black",
      "darkgreen"
    ),
    #zeleni imaju znacajno podataka, crni ne
    fill = "#F2F3F4",
    label.padding = unit(0.15, "lines"),
    label.r = unit(0.2, "lines"),
    label.size = 0.001
  )

# koef var ZG
ggplot(zg_data_map) +
  geom_sf(aes(fill = round(koefVarKvadrata * 100, 2)),
          color = "gray",
          lwd = 1) +
  scale_fill_gradient(
    low = "#deebf7",
    high = "#08306b",
    breaks = c(0, 10, 20, 30, 40),
    limits = c(0, 40)
  ) +
  theme_void() +
  labs(title = "Koeficijent varijacije cijene kvadrata u Zagrebu",
       fill = "Koeficijent varijacije (%)",
       caption = "Zeleni kvartovi - značajna količina podataka\nCrni kvartovi - manja količina podataka") +
  geom_sf_label(
    aes(label = ifelse(
      is.na(koefVarKvadrata) |
        is.null(koefVarKvadrata),
      District,
      paste0(District, "\n", sprintf("%.2f", round(koefVarKvadrata, 2) * 100), "%")
    )),
    size = 2.5,
    fontface = "bold",
    color = ifelse(
      zg_data_map$brojOglasa < 80 |
        is.na(zg_data_map$brojOglasa) |
        is.null(zg_data_map$brojOglasa),
      "black",
      "darkgreen"
    ),
    fill = "#F2F3F4",
    label.padding = unit(0.15, "lines"),
    label.r = unit(0.2, "lines"),
    label.size = 0.001
  )

rm(zg_data_map,cro_data)

Statistika

REGRESIJA

### graf cijenje i kvadrature svih oglasa (kontrolni graf) ###
p3<-ggplot(podaci, aes(y = cijena, x = kvadratura )) + 
  geom_point(shape=18, color="deepskyblue3")+
  geom_smooth(method=lm, se=FALSE, 
              color="black") +
  coord_cartesian(ylim = c(20000, 250000),
                  xlim = c(15,120), expand = FALSE) +
  ylab("Cijena stana") +
  xlab("Kvadratura") +
  ggtitle("Cijena po m2") +
  theme(axis.text = element_text(size = 16),
        axis.title = element_text(size = 20, face = "bold"),
        axis.title.y = element_text(margin = margin(t = 0, r = 20, b = 0, l = 0)),
        axis.title.x = element_text(margin = margin(t = 20, r = 0, b = 0, l = 0)),
        plot.title = element_text(size = 30, face = "bold", hjust = 0.5,
                                  margin = margin(t = 0, r = 0, b = 20, l = 0)),
        strip.background = element_rect(colour = "black", fill = "white"),
        strip.text = element_text(face = "bold", size = 16))
p3 #prokaz grafa

model <- lm(cijena ~ kvadratura, data = podaci) #definiram regresiju
summary(model) #prokaz koeficjenata

## 
## Call:
## lm(formula = cijena ~ kvadratura, data = podaci)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1119718   -59443   -15168    33382  1713609 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  5241.66    3101.92    1.69   0.0911 .  
## kvadratura   2856.40      32.86   86.92   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 131500 on 9789 degrees of freedom
## Multiple R-squared:  0.4356, Adjusted R-squared:  0.4356 
## F-statistic:  7556 on 1 and 9789 DF,  p-value: < 2.2e-16

rm(model,p3) #brisanje varijabli

INDEXI

B=1 #B je koji ces bazni index da ti bude

#definiram vektore za spremanje
cjene = c()
velicina = c()
mjesec = c()

#za cjene iz 2022
filter=subset(podaci, year(podaci$datumi)==2022)
for(i in 4:12){
  mjesec = append(mjesec,paste(as.numeric(i),"/","2022",sep="",collapse=NULL))
  filter2=subset(filter,month(filter$datumi)==i)
  velicina=append(velicina,length(filter2$kvadrat))
  cjene = append(cjene,mean(filter2$kvadrat))
}
# za cjene iz 2023
filter=subset(podaci, year(podaci$datumi)==2023)
for(i in 1:3){
  mjesec = append(mjesec,paste(as.numeric(i),"/","2023",sep="",collapse=NULL))
  filter2=subset(filter,month(filter$datumi)==i)
  velicina=append(velicina,length(filter2$kvadrat))
  cjene = append(cjene,mean(filter2$kvadrat))
}

#racunam indekse
cjeneB=(cjene/cjene[B])*100

#kreiram tablicu
tablica=data.frame(cjene,cjeneB,velicina,mjesec)
Q=tablica #za tablicu

#samo misece probacijen u tip datuma
tablica$mjesec <- as.Date(paste0("01/", tablica$mjesec), format = "%d/%m/%Y")

# Prikaz indexa (komentirat s deckima ocemo maknit ili ostavit ovu mracnu liniju)
index <- ggplot(tablica, aes(x=mjesec, y=cjene)) +
  geom_line(size = 1.5, color = "red") + 
  geom_point(color = "black") + 
  geom_smooth(method = "lm", se = TRUE, level=0.95)+
  scale_y_continuous(breaks = seq(2800,3500,100)) +
  scale_x_date(date_breaks = "2 months") +
  ylab("Cijena kvadrata u €") +
  xlab("") + 
  ggtitle("Cijene stanova dataseta po datumu") +
  theme(axis.text = element_text(size = 16),
        axis.title = element_text(size = 20),
        axis.title.y = element_text(margin = margin(t = 0, r = 20, b = 0, l = 0)),
        axis.title.x = element_text(margin = margin(t = 20, r = 0, b = 0, l = 0)),
        plot.title = element_text(size = 30, face = "bold", hjust = 0.5,
                                  margin = margin(t = 0, r = 0, b = 20, l = 0)),
        strip.background = element_rect(colour = "black", fill = "white"),
        strip.text = element_text(face = "bold", size = 16))
theme_linedraw()

index #prikaz grfa

#koef korelacije
paste("Koeficjent koorelacije je:",as.character(cor(cjene,c(1:12))))

## [1] "Koeficjent koorelacije je: 0.801755608917857"

#moja regresija
model <- lm(cjene ~ c(1:12), data = tablica)
summary(model)

## 
## Call:
## lm(formula = cjene ~ c(1:12), data = tablica)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -170.760  -40.418   -7.156   14.160  212.524 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 2734.295     62.591  43.685 9.49e-13 ***
## c(1:12)       36.077      8.504   4.242  0.00171 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 101.7 on 10 degrees of freedom
## Multiple R-squared:  0.6428, Adjusted R-squared:  0.6071 
## F-statistic:    18 on 1 and 10 DF,  p-value: 0.00171

Q #prikaz tablice

##       cjene    cjeneB velicina  mjesec
## 1  2891.322 100.00000       29  4/2022
## 2  2811.406  97.23600      102  5/2022
## 3  2842.811  98.32218       81  6/2022
## 4  2860.103  98.92024       63  7/2022
## 5  2954.888 102.19848       49  8/2022
## 6  2920.485 101.00863     1732  9/2022
## 7  2816.078  97.39756      453 10/2022
## 8  2952.067 102.10091     4466 11/2022
## 9  3044.397 105.29429      968 12/2022
## 10 3015.653 104.30013     1267  1/2023
## 11 3136.625 108.48411       92  2/2023
## 12 3379.749 116.89286       17  3/2023

#rjesavanje varijabli
rm(B,cjeneB,cjene,i,mjesec,velicina,filter,filter2,index,model,tablica,Q)

##RIJEČI

###analiza broja rici

# Stvaranje novog stupca gdje ce pisati broj rijeci u oglasu za svaki opis
podaci$br_rijeci = NA 
opis=podaci$opis
for (x in 1:length(podaci$naslov)) {
  my_string <- opis[x]
  podaci$br_rijeci[x] <- length(strsplit(as.character(my_string), "\\w+")[[1]])
}
rm(x,my_string)

# Filtriranje podatka
filtrirani_podaci <- podaci %>%
  filter(br_rijeci >=50 & br_rijeci <=600, kvadrat >=1000 & kvadrat <= 8000)

# Prikaz korelacije 
p1<-ggplot(filtrirani_podaci, aes(y = kvadrat, x = br_rijeci )) + 
  geom_point(shape=18, color="deepskyblue3")+
  geom_smooth(method=lm, se=FALSE, 
              color="black") +
  ylab("Cijena po m2") +
  xlab("Broj riječi u oglasu") +
  ggtitle("Utjecaj broja riječi na cijenu kvadrata stana") +
  theme(axis.text = element_text(size = 16),
        axis.title = element_text(size = 20, face = "bold"),
        axis.title.y = element_text(margin = margin(t = 0, r = 20, b = 0, l = 0)),
        axis.title.x = element_text(margin = margin(t = 20, r = 0, b = 0, l = 0)),
        plot.title = element_text(size = 30, face = "bold", hjust = 0.5,
                                  margin = margin(t = 0, r = 0, b = 20, l = 0)),
        strip.background = element_rect(colour = "black", fill = "white"),
        strip.text = element_text(face = "bold", size = 16))
p1

rm(p1)

# Linearna regresija za analizu
summary(lm(kvadrat~ br_rijeci, filtrirani_podaci))

## 
## Call:
## lm(formula = kvadrat ~ br_rijeci, data = filtrirani_podaci)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -2637.4  -741.2  -192.0   502.0  5168.6 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 2523.9676    22.4510  112.42   <2e-16 ***
## br_rijeci      2.5116     0.1151   21.82   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1075 on 9151 degrees of freedom
## Multiple R-squared:  0.04945,    Adjusted R-squared:  0.04934 
## F-statistic:   476 on 1 and 9151 DF,  p-value: < 2.2e-16

rm(filtrirani_podaci)
cor.test(podaci$br_rijeci, podaci$kvadrat, alternative = "greater")

## 
##  Pearson's product-moment correlation
## 
## data:  podaci$br_rijeci and podaci$kvadrat
## t = 23.044, df = 9789, p-value < 2.2e-16
## alternative hypothesis: true correlation is greater than 0
## 95 percent confidence interval:
##  0.2110071 1.0000000
## sample estimates:
##       cor 
## 0.2268355

####### trazenje najfrekventnijih rijeci #######

#Novi vektor gdje ce se nalaziti sve rijeci iz svih opisa
v = character() 
for (y in 1:length(podaci$naslov)) {
  a=strsplit(str_squish(gsub("[^[:alpha:]]"," ",opis[y]))," ")
  v=c(v,a)
}
rm(y,a)

# Stvaranje Corpusa
text_podaci<-Corpus(VectorSource(v)) 
rm(v)

# Čišćenje Corpusa
text_1<-tm_map(text_podaci, removeNumbers)
text_1<-tm_map(text_podaci, removePunctuation)
rm(text_podaci)

# Stvaranje matrice za analizu
dtm<- TermDocumentMatrix(text_1)
m<-as.matrix(dtm)
k<-sort(rowSums(m), decreasing = TRUE)
word_freq <- data.frame(word = names(k), frequency = k)
kable(word_freq[1:25,])

rm(dtm,m,k,text_1)

#stavranje stupaca
podaci$more = NA
podaci$parkirno = NA
podaci$prizemlje = NA
podaci$terasa = NA

#stvaranje vektora gdje 
da_more = vector()
ne_more = vector()
da_parking = vector()
ne_parking = vector()
da_prizemlje = vector()
ne_prizemlje = vector()
da_terasa = vector()
ne_terasa = vector()

for (i in 1:length(podaci$naslov)) {
  string_opis = opis[i]
  string_opis = tolower(string_opis)
  
  if (grepl("\\bmor[[:alpha:]]\\b",string_opis)) {
    podaci$more[i] = 1
    da_more=c(da_more,podaci$kvadrat[i])
  } else {
    podaci$more[i] = 0
    ne_more=c(ne_more,podaci$kvadrat[i])
  }
  
  if (grepl("\\bparkir[[:alpha:]]*\\b",string_opis)) {
    podaci$parkirno[i] = 1
    da_parking=c(da_parking,podaci$kvadrat[i])
  } else {
    podaci$parkirno[i] = 0
    ne_parking=c(ne_parking,podaci$kvadrat[i])
  }
  
  if (grepl("\\bprizem[[:alpha:]]*\\b",string_opis)) {
    podaci$prizemlje[i] = 1
    da_prizemlje=c(da_prizemlje,podaci$kvadrat[i])
  } else {
    podaci$prizemlje[i] = 0
    ne_prizemlje=c(ne_prizemlje,podaci$kvadrat[i])
  }
  
  if (grepl("\\bteras[[:alpha:]]*\\b",string_opis)) {
    podaci$terasa[i] = 1
    da_terasa=c(da_terasa,podaci$kvadrat[i])
  } else {
    podaci$terasa[i] = 0
    ne_terasa=c(ne_terasa,podaci$kvadrat[i])
  }
}
rm(i,string_opis,opis)

df.1 <- podaci  %>%
  filter(cijena >=20000 & cijena <=250000, kvadratura >=20 & kvadratura <= 120) %>% 
  mutate(more_1 = case_when(more == "1" ~ "Stan je blizu mora",
                            more == "0" ~ "Stan nije blizu mora")) %>% 
  mutate(prizemlje_1 = case_when(prizemlje == "1" ~ "Stan je u prizemlju",
                                 prizemlje == "0" ~ "Stan nije u prizemlju")) %>% 
  mutate(parkirno_1 = case_when(parkirno == "1" ~ "Stan ima parking",
                                parkirno == "0" ~ "Stan nema parking")) %>% 
  mutate(terasa_1 = case_when(terasa == "1" ~ "Stan ima terasu",
                              terasa == "0" ~ "Stan nema terasu")) 

p4<-ggplot(df.1, aes(y = cijena, x = kvadratura )) + 
  geom_point(shape=18, color="deepskyblue3")+
  geom_smooth(method=lm, se=FALSE, 
              color="black") +
  scale_x_continuous(breaks = seq(20,120,15)) +
  facet_grid(~more_1) +
  ylab("Cijena stana") +
  xlab("Kvadratura") +
  ggtitle("Cijena po m2") +
  theme(axis.text = element_text(size = 16),
        axis.title = element_text(size = 20, face = "bold"),
        axis.title.y = element_text(margin = margin(t = 0, r = 20, b = 0, l = 0)),
        axis.title.x = element_text(margin = margin(t = 20, r = 0, b = 0, l = 0)),
        plot.title = element_text(size = 30, face = "bold", hjust = 0.5,
                                  margin = margin(t = 0, r = 0, b = 20, l = 0)),
        strip.background = element_rect(colour = "black", fill = "white"),
        strip.text = element_text(face = "bold", size = 16))
p4

rm(p4)
#test razlike sredina kod rijeci more
t.test(da_more, ne_more)

## 
##  Welch Two Sample t-test
## 
## data:  da_more and ne_more
## t = 30.98, df = 7227.8, p-value < 2.2e-16
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  693.1125 786.7513
## sample estimates:
## mean of x mean of y 
##  3349.306  2609.374

p5<-ggplot(df.1, aes(y = cijena, x = kvadratura )) + 
  geom_point(shape=18, color="darkgreen")+
  geom_smooth(method=lm, se=FALSE, 
              color="black") +
  scale_x_continuous(breaks = seq(20,120,15)) +
  facet_grid(~parkirno_1) +
  ylab("Cijena stana") +
  xlab("Kvadratura") +
  ggtitle("Cijena po m2") +
  theme(axis.text = element_text(size = 16),
        axis.title = element_text(size = 20, face = "bold"),
        axis.title.y = element_text(margin = margin(t = 0, r = 20, b = 0, l = 0)),
        axis.title.x = element_text(margin = margin(t = 20, r = 0, b = 0, l = 0)),
        plot.title = element_text(size = 30, face = "bold", hjust = 0.5,
                                  margin = margin(t = 0, r = 0, b = 20, l = 0)),
        strip.background = element_rect(colour = "black", fill = "white"),
        strip.text = element_text(face = "bold", size = 16))
p5

rm(p5)
#test razlike sredina kod rijeci parkirno
t.test(da_parking, ne_parking)

## 
##  Welch Two Sample t-test
## 
## data:  da_parking and ne_parking
## t = 17.153, df = 9761.3, p-value < 2.2e-16
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  355.9803 447.8413
## sample estimates:
## mean of x mean of y 
##  3135.240  2733.329

p6<-ggplot(df.1, aes(y = cijena, x = kvadratura )) + 
  geom_point(shape=18, color="firebrick")+
  geom_smooth(method=lm, se=FALSE, 
              color="black") +
  scale_x_continuous(breaks = seq(20,120,15)) +
  facet_grid(~prizemlje_1) +
  ylab("Cijena stana") +
  xlab("Kvadratura") +
  ggtitle("Cijena po m2") +
  theme(axis.text = element_text(size = 16),
        axis.title = element_text(size = 20, face = "bold"),
        axis.title.y = element_text(margin = margin(t = 0, r = 20, b = 0, l = 0)),
        axis.title.x = element_text(margin = margin(t = 20, r = 0, b = 0, l = 0)),
        plot.title = element_text(size = 30, face = "bold", hjust = 0.5,
                                  margin = margin(t = 0, r = 0, b = 20, l = 0)),
        strip.background = element_rect(colour = "black", fill = "white"),
        strip.text = element_text(face = "bold", size = 16))
p6

rm(p6)
#test razlike sredina kod rijeci prizemlje
t.test(da_prizemlje, ne_prizemlje)

## 
##  Welch Two Sample t-test
## 
## data:  da_prizemlje and ne_prizemlje
## t = 6.388, df = 6122.1, p-value = 1.805e-10
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  112.0474 211.2667
## sample estimates:
## mean of x mean of y 
##  3039.271  2877.614

p7<-ggplot(df.1, aes(y = cijena, x = kvadratura )) + 
  geom_point(shape=18, color="darkturquoise")+
  geom_smooth(method=lm, se=FALSE, 
              color="black") +
  scale_x_continuous(breaks = seq(20,120,15)) +
  facet_grid(~terasa_1) +
  ylab("Cijena stana") +
  xlab("Kvadratura") +
  ggtitle("Cijena po m2") +
  theme(axis.text = element_text(size = 16),
        axis.title = element_text(size = 20, face = "bold"),
        axis.title.y = element_text(margin = margin(t = 0, r = 20, b = 0, l = 0)),
        axis.title.x = element_text(margin = margin(t = 20, r = 0, b = 0, l = 0)),
        plot.title = element_text(size = 30, face = "bold", hjust = 0.5,
                                  margin = margin(t = 0, r = 0, b = 20, l = 0)),
        strip.background = element_rect(colour = "black", fill = "white"),
        strip.text = element_text(face = "bold", size = 16))
p7

rm(p7)
#test razlike sredina kod rijeci parkirno
t.test(da_terasa, ne_terasa)

## 
##  Welch Two Sample t-test
## 
## data:  da_terasa and ne_terasa
## t = 22.942, df = 7505.8, p-value < 2.2e-16
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  510.7113 606.1426
## sample estimates:
## mean of x mean of y 
##  3256.809  2698.382

rm(list = ls.str(mode = 'numeric'))

m3<-lm(cijena~kvadratura + more,df.1)
m4<-lm(cijena~kvadratura + prizemlje,df.1)
m5<-lm(cijena~kvadratura + terasa,df.1)
m6<-lm(cijena~kvadratura + parkirno,df.1)
stargazer(list(m3,m4,m5,m6), type = "text")

## 
## =======================================================================================
##                                                   Dependent variable:                  
##                                 -------------------------------------------------------
##                                                         cijena                         
##                                      (1)           (2)           (3)           (4)     
## ---------------------------------------------------------------------------------------
## kvadratura                      1,169.458***  1,166.349***  1,135.537***  1,147.860*** 
##                                   (23.897)      (24.296)      (23.837)      (23.525)   
##                                                                                        
## more                            16,955.440***                                          
##                                  (1,023.623)                                           
##                                                                                        
## prizemlje                                     8,719.894***                             
##                                                (1,082.961)                             
##                                                                                        
## terasa                                                      18,903.650***              
##                                                              (1,045.963)               
##                                                                                        
## parkirno                                                                  21,229.690***
##                                                                             (966.586)  
##                                                                                        
## Constant                        78,454.120*** 81,924.930*** 80,636.220*** 76,535.190***
##                                  (1,711.990)   (1,734.375)   (1,677.279)   (1,684.735) 
##                                                                                        
## ---------------------------------------------------------------------------------------
## Observations                        6,215         6,215         6,215         6,215    
## R2                                  0.298         0.274         0.303         0.320    
## Adjusted R2                         0.298         0.274         0.303         0.319    
## Residual Std. Error (df = 6212)  38,355.410    38,990.360    38,201.820    37,754.760  
## F Statistic (df = 2; 6212)      1,317.551***  1,174.651***  1,353.192***  1,459.421*** 
## =======================================================================================
## Note:                                                       *p<0.1; **p<0.05; ***p<0.01

rm(m3,m4,m5,m6,df.1)

Zaključak